Предсказательное моделирование и оптимизация (кафедра МФТИ)/О кафедре

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Специализация «Интеллектуальный анализ данных»)
Строка 1: Строка 1:
{{TOCright}}
{{TOCright}}
Кафедра '''Предсказательного моделирования и оптимизации''' — [[Базовые кафедры МФТИ|базовая кафедра]] [[Факультет управления и прикладной математики МФТИ|ФУПМ]] [[МФТИ]].
Кафедра '''Предсказательного моделирования и оптимизации''' — [[Базовые кафедры МФТИ|базовая кафедра]] [[Факультет управления и прикладной математики МФТИ|ФУПМ]] [[МФТИ]].
-
Базовый институт — Институт Проблем Передачи Информации РАН.
+
Базовый институт — Институт Проблем Передачи Информации РАН и компания DATADVANCE.
Готовит студентов по специальности «Прикладные математика и физика» (511600).
Готовит студентов по специальности «Прикладные математика и физика» (511600).

Версия 18:13, 18 февраля 2012

Содержание

Кафедра Предсказательного моделирования и оптимизациибазовая кафедра ФУПМ МФТИ. Базовый институт — Институт Проблем Передачи Информации РАН и компания DATADVANCE. Готовит студентов по специальности «Прикладные математика и физика» (511600).

История создания

Кафедра Предсказательного моделирования и оптимизации основана в 2011 году Институтом Проблем Передачи Информации РАН (ИППИ РАН) и компанией DATADVANCE, совместным российско-французским предприятием, занимающимся развитием теоретических разработок ИППИ РАН в области предсказательного моделирования и оптимизации, их реализацией в коммерческих программных продуктах, внедрением и последующим сопровождением.

Базовые организации

Заведующий специализацией: чл.-корр. РАН Рудаков Константин Владимирович.

Интеллектуальный анализ данных является одним из наиболее актуальных и востребованных направлений прикладной математики. Современные процессы бизнеса и производства порождают огромные массивы данных. Как извлечь максимум полезных знаний из многомерных, разнородных, неполных, неточных, противоречивых, косвенных данных? Как сделать это эффективно, если объем данных измеряется гигабайтами или даже терабайтами? Как строить алгоритмы, способные обучаться принятию решений в различных профессиональных областях? Эти и многие другие задачи изучаются на специализации «Интеллектуальный анализ данных».

Специализация образована в 2003 году на базе научной школы академика РАН Ю. И. Журавлёва. Им и его учениками создан уникальный математический аппарат, опирающийся на классические методы алгебры, дискретного анализа, комбинаторики, математической статистики. Глубокое изучение этих дисциплин составляет основу подготовки выпускаемых специалистов. В рамках специализации ведется обучение студентов методам постановки и решения реальных прикладных задач.

Студенты и аспиранты кафедры регулярно участвуют в работе научных конференций ММРО (Математические методы распознавания образов, Россия) и ИОИ (Интеллектуализация обработки информации, Крым, Украина), в организации которых сотрудники кафедры принимают самое непосредственное участие.

Научные направления

Направления прикладных исследований и разработок

Специализация «Интеллектуальный анализ данных» предоставляет увлекательную возможность заниматься самыми разными предметными областями, применяя к ним одну и ту же фундаментальную математику.

Имеется возможность совмещать обучение на специализации с работой в отделе Вычислительных методов прогнозирования ВЦ РАН или в компании Форексис, занимаясь разработкой и внедрением наукоемких программных продуктов и систем интеллектуального анализа данных. Партнерами и клиентами Форексис являются: КБ «Петрокоммерц», ТД «Перекресток», ММВБ, РАО ЕЭС, АП «Домодедово», и др.

Учебный план

Направление: 511600 — «Прикладная математика и физика».

Магистерская программа: 511656 — «Математические и информационные технологии».

Название курса Преподаватели Курссеместр
36  47  48  59  510 611
Бакалавриат
Прикладная математическая логика Захаров Н Э
Машинное обучение (программа курса) Воронцов Э Э
Семинар по специальности все по очереди
Численные методы обучения по прецедентам (практикум) Стрижов Д Н Д
Методы дискретного анализа в распознавании образов Журавлёв Э
Основания алгебраического подхода к синтезу корректных алгоритмов Рудаков Д Э
Обработка изображений Местецкий Д
Магистратура
Анализ и распознавание изображений Местецкий Э
Обработка сигналов и многомерных массивов данных Моттль Д Э
Дискретная оптимизация Сигал Э
Прикладной комбинаторный анализ Сметанин Э
Интеллектуальные системы Рудаков Д
Анализ данных в метрических пространствах Майсурадзе Э
Информационное моделирование Стрижов Э
Биоинформатика Торшин Э
Требования учебного отдела
НИР Д Д Д Д Д
Всего зачетов (не более) 1 2 2 3 2 3
Всего экзаменов (не более) 1 2 2 2 2 4
Всего часов (не более) 8 8 8 8 4 12
  • Э - экзамен
  • Д - дифференцированный зачет
  • Н - недифференцированный зачет

Преподаватели и научные руководители

Профессоры

Преподаватели

Контакты

Литература

Обзорные статьи по специальности, рекомендуемые студентам для изучения на кафедре иностранных языков:

  1. A. Jain, P. Duin, and J. Mao. Statistical pattern recognition: A review // IEEE Transactions on PAMI 22(1), pp. 4-37, 2000.
  2. G. Dietterich. Machine learning research: Four current directions // AI Magazine, 18(4):97--136, 1997.
  3. S. R. Kulkarni, G. Lugosi, S. S. Venkatesh. Learning Pattern Classification—A Survey // IEEE Transactions on Information Theory, Vol. 44, No. 6, October 1998.
  4. P. Langley, H. A. Simon. Applications of machine learning and rule induction // Communications of the ACM. Vol. 38, No. 11, Pp. 54–64, 1995.
  5. S. Thrun, C. Faloutsos, T. Mitchell, L. Wasserman. Automated Learning and Discovery: State-Of-The-Art and Research Topics in a Rapidly Growing Field // CMU, Pittsburgh, 1998.

Ссылки